面向通用无参考图像质量评估的可控列表排序
图像与视频处理
2020-01-07 v2 计算机视觉与模式识别
摘要
无参考图像质量评估（NR-IQA）因参考图像并非总可获得而在 IQA 领域受到越来越多关注。真实世界图像通常遭受各类失真。遗憾的是，现有 NR-IQA 方法不能适用于所有失真类型。开发能够评估所有类型失真图像的通用 NR-IQA 是一项挑战性任务。本文提出一种基于可控列表排序（CLRIQA）的通用 NR-IQA 方法。首先，为扩展真实失真图像数据集，我们提出一种成像启发式方法，其中过曝-欠曝被表述为 Weber-Fechner 定律的逆形式，并采用融合策略与概率压缩来生成退化的真实世界图像。这些退化图像无标签但关联质量排序信息。随后，我们通过限制排序范围并引入自适应间隔来调节排序区间，设计可控列表排序函数。最后，利用扩展数据集与可控列表排序函数预训练 CNN。此外，为获得准确预测模型，我们利用原始数据集进一步微调预训练网络。在四个基准数据集（即 LIVE、CSIQ、TID2013 和 LIVE-C）上的实验表明，所提 CLRIQA 在整体性能上比当前最优水平提升超过 9%。代码与模型公开于 https://github.com/GZHU-Image-Lab/CLRIQA。
引用
@article{arxiv.1911.10566,
title = {Controllable List-wise Ranking for Universal No-reference Image Quality Assessment},
author = {Fu-Zhao Ou and Yuan-Gen Wang and Jin Li and Guopu Zhu and Sam Kwong},
journal= {arXiv preprint arXiv:1911.10566},
year = {2020}
}